小米技术官微今日（3 月 17 日）发文称，小米大模型团队在 音频推理领域取得突破性进展。

受 DeepSeek-R1 启发，团队率先将强化学习算法应用于多模态音频理解任务，仅用一周时间便 以 64.5% 的 SOTA 准确率登顶国际权威的 MMAU 音频理解评测榜首，现同步开源。

DeepSeek-R1 的 Group Relative Policy Optimization (GRPO) 方法， 让模型仅通过"试错-奖励"机制就能使自主进化，涌现出类似人类的反思、多步验证等推理能力。

该团队尝试将 DeepSeek-R1 的 GRPO 算法迁移到 Qwen2-Audio-7B 模型上。

在仅使用 AVQA 的 3.8 万条训练样本的情况下，强化学习微调后的模型在 MMAU 评测集上实现了 64.5% 的准确率，这一成绩比目前榜单上第一名的商业闭源模型 GPT-4o 有近 10 个百分点的优势。

尽管当前准确率已突破 64%，但距离人类专家 82% 的水平仍有差距。

有趣的是，官方提供的交互 demo 中，默认分析的便是 雷总 2015 年“R U OK”的视频。

家友们可以前往了解更详细的官方介绍原文。

对了，别忘了今天还有《微信 iOS 版灰度放量，PC 版再迎更新》等文章，以及：

RL 强化学习潜力无穷 ↓ ↓ ↓